2018python做图形界面哪个库简单_这里是2018年最流行的15个Python库

全文共1477个字，估计学习时间为3分钟

图1: 最好的Python库（根据GitHub Star值和Contributor值绘制，图标大小与提交值成比例）

以下是2018年排名前15位的Python库（截至2018年12月16日的数据）:

1.TensorFlow（贡献者– 1757，提交– 25756，星级– 116765）

TensorFlow是一个开源软件库，它使用数据流图来执行数值计算. 图形节点表示数学运算，图形的边缘表示在节点之间流动的多维数据阵列（张量）. 这种灵活的架构使用户无需重写代码即可在台式机，服务器或移动设备中的一个或多个CPU / GPU上执行计算.

2.pandas（贡献者– 1360，提交– 18441，星– 17388）

Pandas是一个Python软件包，可提供快速，灵活和富于表现力的数据结构，从而使“关系”数据或“标记”数据的使用变得简单而直观. Pandas旨在成为使用Python进行真实数据和真实数据分析的基本高级构建块.

3.scikit-learn（贡献者– 1218

Scikit-learn是基于NumPy，SciPy和matplotlib的机器学习Python模块，可以为数据挖掘和数据分析提供简单有效的工具. SKLearn适合每个人，并且可以在许多情况下重复使用.

4.PyTorch（贡献者– 861，承诺– 15362，星级– 22763）

PyTorch是一个Python软件包，具有以下两个高级功能:

·使用强大的GPU加速来实现张量计算（类似于NumPy）

·深度神经网络（基于基于磁带的autograd系统）

您还可以在需要时重用自己喜欢的Python软件包（例如NumPy，SciPy和Cython）来扩展PyTorch.

5.Matplotlib（贡献者– 778，承诺– 28094，星级– 8362）

Matplotlib是一个Python 2D绘图库，可以在跨平台交互环境中以各种硬拷贝格式生成高质量的图形. Matplotlib可用于Python脚本python库，Python和IPython Shell（例如MATLAB或Mathematica），Web应用程序服务器以及各种图形用户界面工具包.

6. Keras（贡献者– 856，贡献– 4936，星– 36450）

Keras是用Python编写的高级神经网络API，可以与TensorFlow，CNTK或Theano作为后端一起运行. Keras的发展重点是实现快速试验. 做好研究的关键是尽快将想法转化为结果.

7.NumPy（贡献者– 714，承诺– 19399，星级– 9010）

NumPy是Python中科学计算所需的基本软件包. 它提供了强大的N维数组对象，复杂的（广播）功能，用于集成C / C ++和Fortran代码的工具，以及实用的线性代数和傅立叶变换以及随机数生成功能.

8.SciPy（贡献者– 676，承诺– 20180，星级– 5188）

SciPy（发音为“ Sigh Pie”）是面向数学，科学和工程方向的开源软件，包括许多模块: 统计，优化，积分，线性代数，傅立叶变换，信号和图像处理，ODE求解器Wait

9.Apache MXNet（贡献者– 53，提交– 9060，星级– 15812）

Apache MXNet（孵化）是一个旨在提高效率和灵活性的深度学习框架，可以混合符号和命令式编程来最大化效率和生产力. MXNet的核心是动态依赖的调度程序，可以自动并行执行符号和命令操作.

10.Theano（贡献者– 333，承诺– 28060，星级– 8614）

Theano这个Python库允许用户有效地定义，优化和评估涉及多维数组的数学表达式，并可以使用GPU来实现有效的符号区分.

11.Bokeh（贡献者334，委员会17395，星星8649）

Bokeh是一个交互式可视化Python库，可以在现代Web浏览器中实现美观而有意义的数据可视化呈现. 使用Bokeh，您可以轻松快速地创建交互式图表，仪表板和数据应用程序.

12.XGBoost（贡献者– 335，提交– 3557，星级– 14389）

XGBoost是优化的分布式梯度提升库（gradient boosting library），旨在提高效率，灵活性和便携性. XGBoost在梯度提升框架下运行机器学习算法，为用户提供了梯度提升决策树（也称为GBDT，GBM），可以快速而准确地解决许多数据科学问题. 相同的代码可以在主要的分布式环境（Hadoop，SGE和MPI）中运行，并且可以解决数十亿案例以外的其他问题.

13. Gensim（Contributors-301，Commits-3687，Stars-8295）

Gensim是用于主题建模，文档索引和语料库相似性检索的Python库. 它的目标受众是自然语言处理（NLP）和信息检索（IR）领域的小组.

14.Scrapy（贡献者– 297，提交– 6808，星– 30507）

Scrapy是一种快速高级的Web爬网和爬网框架，用于爬网网站并从其页面中提取结构化数据. Scrapy被广泛用于数据挖掘，监视和自动化测试.

15.Caffe（贡献者– 270，承诺– 4152，星级– 26531）

Caffe是一个基于表达，速度和模块化的深度学习框架，由伯克利人工智能研究（BAIR）/伯克利视觉与学习中心（BVLC）和社区贡献者开发.

本文来自电脑杂谈，转载请注明本文网址：

http://www.pc-fly.com/a/jisuanjixue/article-207865-1.html